如何使用正则表达式解析 Java 中的文件？答案

【问题标题】：How to use regex's to parse a file in Java?如何使用正则表达式解析 Java 中的文件？
【发布时间】：2011-02-10 08:21:07
【问题描述】：

我正在尝试使用一系列正则表达式来解析文件中的标记。我需要计算换行符并能够分隔它们之间没有空格的标记。不幸的是，java.util.Scanner 的 findWithinHorizon() 方法在输入流的整个其余部分（直到地平线）搜索正则表达式匹配的 START，但我想匹配从当前文件位置开始的正则表达式。具体来说，我有一堆正则表达式，并希望遍历它们以查看从文件中 current 位置开始的匹配，然后在正则表达式匹配之后将文件位置推进到右侧，然后继续.这可能吗？

Scanner 的 next() 方法似乎对此毫无用处，因为它强制使用分隔符，并且正则表达式必须匹配整个令牌；我想从当前文件位置开始匹配，得到匹配的字符串，然后将文件搜索到匹配后。

【问题讨论】：

这些文件有多大？可以一次性读入内存吗？

标签： java regex parsing expression match

【解决方案1】：

选项：

将整个文件作为字符串读入内存。然后在你想要的位置直接使用Matcher。
使用从RandomAccessFile 获取的FileChannel 作为Scanner 的输入。然后您可以直接操纵通道的位置。
如上所述使用FileChannel，但直接使用Matcher 以获得更大的灵活性。

将 Matcher 与 RandomAccessFile 结合使用的示例：

FileChannel fc = file.getChannel();
fc.lock(); // so it doesn't change under you

ByteBuffer bb = ByteBuffer.allocate(BUFFER_SIZE);
CharBuffer cb = bb.asCharBuffer();

fc.read(bb);
Matcher matcher = pattern.matcher(cb);
// etc.

【讨论】：

是的，我可以将文件读入内存。对于第二种方式，您将如何使用 Scanner 从当前位置匹配并且不使用分隔符？对于第一种和第三种方式，你如何告诉 Matcher 从当前位置开始，然后获取匹配的字符串并超越它进行下一次匹配？谢谢
@MMM - 你不能告诉Scanner 忽略分隔符，因为它的全部目的是找到分隔符。
@MMM - 可以用Matcher.region()控制匹配位置。
要使用 Pattern.matcher() 我似乎需要一个 CharSequence。我无法在输入流上创建它，所以它似乎需要读取整个字符串。您将如何使用 FileChannel 或 RandomAccessFile 不必读取整个字符串？
@MMM - 如果您仍然希望能够匹配比缓冲区长度更长的字符串的正则表达式（不太可能），您可以实现自己的CharSequence，从引擎盖下的通道加载更多。